一种基于电力线网络的煤矿火情检测方法及系统与流程

本发明属于煤矿火情检测，尤其涉及一种基于电力线网络的煤矿火情检测方法及系统。

背景技术：

1、在煤矿火情检测环境中，金属干扰是普遍存在的。煤矿内部通常包含大量的金属结构、设备和工具，这些金属物体会反射和散射微波雷达信号，从而引入金属干扰信号。

2、金属干扰对雷达探测火情会产生较大的影响。微波雷达通常依赖于接收到的反射信号来检测火情。金属干扰信号可能与火情信号重叠或覆盖，使得火情信号变得模糊不清或被掩盖，导致火情检测的准确性下降。

3、虽然普通的滤波预处理操作可以在一定程度上滤除金属干扰信号，但其效果有限。金属干扰信号通常具有较高的强度和宽带宽，因此需要设计特定的滤波器来有效地滤除这些干扰。

技术实现思路

1、本发明提供一种基于电力线网络的煤矿火情检测系统及装置，旨在解决上述背景技术提到的问题。

2、本发明是这样实现的，提供一种基于电力线网络的煤矿火情检测方法，在煤矿的井口或者装卸区域安装微波雷达，步骤包括：

3、获取历史的微波雷达反射信号，并根据历史的微波雷达反射信号及金属干扰信号的特性构建金属干扰滤波器，具体包括：

4、对历史的微波雷达反射信号进行预处理，包括去除直流分量和归一化，

5、通过傅里叶变换将预处理后的微波雷达反射信号从时域转换为频域，并对于频谱中的每个频率分量与其他频率分量之间的相关系数进行计算，

6、将每个频率分量与其他频率分量之间的相关系数与预设的相关系数阈值分别进行对比分析，若超过预设的相关系数阈值，则判定相应的频率分量与金属干扰信号相关，并将与频率分量对应的区域设定为金属干扰区域，

7、对金属干扰区域的信号特性进行分析以确定需要滤除或降低的频率范围和能量分布，并根据分析结果构造一个期望的频谱图或幅度谱，

8、将期望的频谱图或幅度谱转换为时域信号以得到期望输出信号的时域波形，

9、将历史的微波雷达反射信号作为输入信号输入自适应滤波器以得到实际输出信号，其中，首次输入时，将自适应滤波器的权重进行初始化，

10、对实际输出信号与期望输出信号之间的差异进行计算以得到误差，误差e(n)= σ{[yactual（n）-yexpected（n）]2}/n，其中，n为数据点的数量，yactual（n）为每个数据点的实际输出信号的时域值，yexpected（n）为每个数据点的期望输出信号的时域值，yactual（n）-yexpected（n）为相同数据点的实际输出信号和期望输出信号的时域值之间的差异，

11、根据误差和输入信号对自适应滤波器的权重进行调整，权重的调整公式为：w(n+1)=w(n)+μ*e(n)*x(n)，其中，w(n+1)为调整后的权重值，w(n)为当前权重值，μ是步长因子，e(n)为误差，x(n)为输入信号，利用调整后的自适应滤波器进行滤波，

12、重复上述步骤，直至误差逐渐收敛至小于或等于预设的误差阈值，设为最终误差，根据最终误差对自适应滤波器的权重进行调整以得到金属干扰滤波器；

13、采集实时的微波雷达反射信号，将实时的微波雷达反射信号作为输入信号输入金属干扰滤波器并通过卷积运算对微波雷达反射信号进行滤波处理以得到滤除金属干扰信号的目标信号；

14、从目标信号中提取特征，对提取的所有特征与火情之间的相关系数进行计算并筛选出相关度高的特征，设为火情相关特征；

15、对火情相关特征进行模糊逻辑分析以判断是否存在火情；

16、若存在火情，则根据火情相关特征并通过时序分析对火情特征在时间上的变化趋势进行分析以得到火情的持续性。

17、更进一步的，所述对火情相关特征进行模糊逻辑分析以判断是否存在火情的步骤包括：

18、将每个火情相关特征作为一个模糊变量，并确定需要模糊化的火情相关特征的变量范围；

19、根据火情相关特征的性质和变量范围将每个模糊变量划分成若干个模糊集合；

20、为火情相关特征的每个模糊集合设定一个隶属函数，并将火情相关特征的实时特征值代入相应的各个隶属函数以计算火情相关特征在相应的每个模糊集合中的隶属度；

21、将实时特征值在不同模糊集合中的隶属度组合起来以形成火情相关特征的一个模糊输出集合；

22、对所有火情相关特征之间的相关系数矩阵进行计算，并根据所有火情相关特征之间的相关系数矩阵计算得到每个火情相关特征的权重；

23、对各火情相关特征的权重与其模糊输出集合中最大隶属度的乘积进行累加，并将累加值与火情阈值进行比较以作出煤矿是否存在火情的决策判断。

24、更进一步的，所述对所有火情相关特征之间的相关系数矩阵进行计算，并根据所有火情相关特征之间的相关系数矩阵计算得到每个火情相关特征的权重的步骤包括：

25、计算各火情相关特征之间的皮尔逊相关系数以得到一个n×n的相关系数矩阵，其中n是火情相关特征的数量；

26、计算每个火情相关特征的全局均值，对各火情相关特征的实时特征值减去相应特征的全局均值以得到中心化处理后的数据并构成数据矩阵；

27、对数据矩阵进行协方差计算以得到各火情相关特征之间的协方差并构成协方差矩阵；

28、对协方差矩阵进行特征值分解以得到特征值和对应的特征向量；

29、将特征值分解得到的特征值按照从大到小的顺序进行排序并根据特征值排序对特征向量进行排序；

30、选择排序靠前的前k个特征值对应的特征向量作为主成分；

31、将各主成分的方差解释比例作为对应的各火情相关特征的权重，主成分的方差解释比例为主成分对应的特征值除以总特征值的和；

32、对各火情相关特征的权重进行归一化以使权重之和为1。

33、更进一步的，所述根据火情相关特征并通过时序分析对火情特征在时间上的变化趋势进行分析以得到火情的持续性的步骤包括：

34、分别获取各火情相关特征的时间序列数据，时间序列数据包括时间点和对应的特征值。

35、对时间序列数据进行中心化处理，即将时间点减去起始时间；

36、通过最小二乘法分别对各多项式函数与时间序列数据进行拟合以得到各拟合曲线，其中，各多项式函数为从简单的一次多项式函数开始，逐渐增加阶数的函数；

37、计算各拟合曲线与实际数据点的残差以得到拟合误差，并筛选出拟合误差最小的拟合曲线，定为相应火情相关特征的最佳拟合曲线；

38、根据相应火情相关特征的最佳拟合曲线对应的多项式函数的系数确定相应火情相关特征趋势线的斜率；

39、根据相应火情相关特征的最佳拟合曲线对应的多项式函数的二阶导数确定相应火情相关特征趋势线的曲率。

40、更进一步的，所述将微波雷达反射信号作为输入信号输入金属干扰滤波器并通过卷积运算对微波雷达反射信号进行滤波处理以滤除金属干扰信号的步骤包括：

41、将金属干扰滤波器转换到频域，并与输入信号在频域上进行乘法运算，计算公式为：

42、x(f)=fft(x(t))，

43、y(f)=x(f)*h(f)，

44、其中，x(f)为输入信号的频域表示，fft(x(t))为对输入信号的傅里叶变换，y(f)为滤波后的频域信号，h(f)滤波器的频域表示；

45、将乘法运算的结果进行逆变换以将输入信号转换回时域，时域表示y(t)=ifft(y(f))，其中，ifft(y(f)) 为对滤波后的频域信号的逆傅里叶变换。

46、本发明还提供一种基于电力线网络的煤矿火情检测系统，用于执行基于电力线网络的煤矿火情检测方法，在煤矿的井口或者装卸区域安装微波雷达，包括：

47、滤波器构建模块：用于获取历史的微波雷达反射信号，并根据历史的微波雷达反射信号及金属干扰信号的特性构建金属干扰滤波器，具体包括：

48、对历史的微波雷达反射信号进行预处理，包括去除直流分量和归一化，

49、通过傅里叶变换将预处理后的微波雷达反射信号从时域转换为频域，并对于频谱中的每个频率分量与其他频率分量之间的相关系数进行计算，

50、将每个频率分量与其他频率分量之间的相关系数与预设的相关系数阈值分别进行对比分析，若超过预设的相关系数阈值，则判定相应的频率分量与金属干扰信号相关，并将与频率分量对应的区域设定为金属干扰区域，

51、对金属干扰区域的信号特性进行分析以确定需要滤除或降低的频率范围和能量分布，并根据分析结果构造一个期望的频谱图或幅度谱，

52、将期望的频谱图或幅度谱转换为时域信号以得到期望输出信号的时域波形，

53、将历史的微波雷达反射信号作为输入信号输入自适应滤波器以得到实际输出信号，其中，首次输入时，将自适应滤波器的权重进行初始化，

54、对实际输出信号与期望输出信号之间的差异进行计算以得到误差，误差e(n)= σ{[yactual（n）-yexpected（n）]2}/n，其中，n为数据点的数量，yactual（n）为每个数据点的实际输出信号的时域值，yexpected（n）为每个数据点的期望输出信号的时域值，yactual（n）-yexpected（n）为相同数据点的实际输出信号和期望输出信号的时域值之间的差异，

55、根据误差和输入信号对自适应滤波器的权重进行调整，权重的调整公式为：w(n+1)=w(n)+μ*e(n)*x(n)，其中，w(n+1)为调整后的权重值，w(n)为当前权重值，μ是步长因子，e(n)为误差，x(n)为输入信号，利用调整后的自适应滤波器进行滤波，

56、重复上述步骤，直至误差逐渐收敛至小于或等于预设的误差阈值，设为最终误差，根据最终误差对自适应滤波器的权重进行调整以得到金属干扰滤波器；

57、滤波模块：用于采集实时的微波雷达反射信号，将实时的微波雷达反射信号作为输入信号输入金属干扰滤波器并通过卷积运算对微波雷达反射信号进行滤波处理以得到滤除金属干扰信号的目标信号；

58、特征提取模块：用于从目标信号中提取特征，对提取的所有特征与火情之间的相关系数进行计算并筛选出相关度高的特征，设为火情相关特征；

59、火情判断模块：用于对火情相关特征进行模糊逻辑分析以判断是否存在火情；

60、火情分析模块：用于若存在火情，则根据火情相关特征并通过时序分析对火情特征在时间上的变化趋势进行分析以得到火情的持续性。

61、更进一步的，所述检测系统还包括380伏ac电力线路，用于组成所述电力线网络，为煤矿的各个开矿电力设备提供电力供应。

62、本发明的有益效果在于，与现有技术相比，本发明的金属干扰滤波器是利用了金属干扰信号在微波雷达信号中的特有特性构建的，再通过构建好的金属干扰滤波器对实时的微波雷达信号进行滤波，能够很好的将微波雷达信号中的金属干扰信号进行滤除，从而更准确地滤除金属干扰并保留可靠的目标信号；运用模糊逻辑分析方法对火情相关特征进行分析，通过模糊规则和隶属度函数进行推理和判断，可以很好的处理火情的不确定性和模糊性，从而提高火情判断的准确性和可靠性；根据火情特征在时间上的变化趋势进行分析，得到火情的持续性，基于时序分析的方法能够更全面地理解火情的发展和演变过程，从而提供更深入的火情信息，为制定煤矿的火情防控策略起到很好的启示作用。

63、其中，在构建金属干扰滤波器时，通过计算频谱中不同频率分量之间的相关系数，判断与金属干扰信号相关的频率分量，并将相关系数超过预设阈值的分量确定为金属干扰区域，这样可以更准确地定位金属干扰区域，避免了仅凭观察的主观判断；采用自适应滤波器对历史微波雷达反射信号进行滤波，并通过误差计算和权重调整，逐步优化自适应滤波器的性能，以满足期望输出信号的要求，能够灵活地适应信号特性的变化，从而更有效地滤除金属干扰信号；并将误差逐渐收敛至预设的误差阈值以确保金属干扰滤波器能够达到预期的性能，使得滤波器能够逐渐逼近最优解，提高滤波效果和收敛速度。